我们准备了几个 Jupyter Notebook 教程来演示如何在我们的生态系统中训练 AI 模型。 您可以在 GitHub 上的 ai-tutorials 存储库中找到它们。 尝试这些教程最简单的方法是使用 Google Collaboratory，其中所有 Notebook 都已加载并准备好运行。 Google Collaboratory 允许您使用其快速 GPU 实例，在某些情况下，甚至可以使用 Google TPU（取决于训练框架的依赖项）。 或者，您可以使用自己的资源在本地运行教程。我们将教程分为两类：使用 Luxonis Train 库的教程和使用不同训练库的教程（另请参阅 Ultralytics 集成文档）。 我们的主要目标是提供全面的教程，涵盖在 DepthAI 设备上使用的神经网络训练最常见的用例。我们的教程涵盖以下任务：分类
图像分类是将预定义的标签或类别分配给整个输入图像的任务。Luxonis Train 教程其他教程 对象检测
对象检测涉及识别和定位图像中的多个对象，并为它们提供边界框。Luxonis Train 教程其他教程 语义分割
语义分割涉及将图像中的像素分类到预定义的类别中，而不区分同一类别的不同实例。Luxonis Train 教程其他教程 实例分割
实例分割通过区分同一对象类的不同实例并为每个实例提供像素级掩码来扩展语义分割。Luxonis Train 教程其他教程 实例姿态
实例姿态检测结合了对象检测和关键点检测，通过定位单个对象并为每个实例单独预测关键点。其他教程 
